人工鱼群算法优化支持向量机的无线传感器网络节点定位

为了提高无线传感器的定位精度,针对支持向量机(SVM)参数优化问题,提出一种人工鱼群算法(AFSA)优化SVM的传感器节点定位方法(AFSA-SVM)。首先构建无线传感器定位模型的学习样本,然后采用SVM构建节点定位模型,并采用AFSA模拟鱼群的觅食、聚群及追尾行为找到最优SVM参数,最后采用仿真实验测试节点的定位性能。结果表明,相对于其他定位方法,AFSASVM提高了传感器节点的定位精度,具有一定的实际应用价值。     

基于分布式网络的定位算法研究

在建立大型分布式的网络系统时,要想系统能够高效率的运行将会是一个非常大的挑战,必须克服Internet的不稳定性、多变性,并且根据网络性能,智能地选择相应的路由来通信,随着网络规模扩大,要想获得这些参数的全部准确数值是不切实际的。GNP利用节点坐标和距离函数来计算网络距离,不会为了测量距离附带产生很多的通信流量,在优化性能上是一种轻量级的算法机制。     

基于支持向量机的无线传感器网络节点定位算法

机器学习是利用经验来改善自身性能的一种学习方法,而支持向量机(support vector machine, SVM)作为机器学习中的一种新模式,在解决小样本、非线性及高维模式识别等方面有着其特有的优势.基于支持向量机的节点定位算法利用机器学习算法的特性,实现无线传感网络节点定位.其基本思路是将网络区域划分为若干个等分的小格,每一小格代表机器学习算法中一个确定的类别,机器学习算法在学习了已知的信标节点对应的类别后,对未知节点所处位置进行分类,从而进一步确定未知节点的位置坐标.仿真实验表明,“一对一”节点定位算法有较高的定位精度,对测距误差的容忍性较好,同时对信标节点的比例要求并不高,比较适合用于信标节点稀疏的网络环境中;而“决策树”节点定位算法受覆盖空洞的影响并不大,比较适合应用于节点分布不均匀或者存在覆盖空洞的网络环境中.     

基于SVM的WSN移动节点定位算法

针对现有移动传感器网络定位存在错误率较高的问题,提出一种基于向量机技术的网络定位算法。该算法通过向量机技术建立节点测量向量与其位置的关系,节点根据新观察到的信息过滤掉不符合要求的取值范围。使节点持有其之前的运动轨迹样本点集,通过牛顿插值的方法计算其位置方向并更新节点样本点集,样本点通过向量机计算和纠正其坐标位置,从而实现节点的预测定位。仿真实验结果表明,与传统算法相比,该算法在锚节点较少、节点运动速度较快的情况下能保持较低的定位错误率。     

无线传感器网络分布式节点定位算法研究

深入分析比较了在无线传感器网络领域中有代表性的4种分布式定位算法,着重关注了算法的能量消耗问题。节点的能量消耗主要由计算和通讯开销组成,对于算法的计算复杂度和通讯开销,做出了定量的分析。在此基础上,对未来的研究与算法的改进提出了建议。     

无线传感器网络的三维定位算法研究

在分析无线传感器网络的结构模型的基础上,提出了一种基于支持向量机(SVM)的新型传感器三维定位算法.利用SVM算法能够在高维空间对非线性样本进行分类的优点,通过各传感器节点估测其与锚节点间的距离作为特征向量,最终对未知节点所属立方体空间进行分类来实现定位未知节点.实验结果表明:该算法达到了88％的平均定位准确率,而且对锚节点密度和距离误差具有较低的依赖性,验证了算法具有实用性.     

无线传感器网络的节点定位算法

无线传感器网络作为一种全新的信息采集和处理方式,节点位置的确定是无线传感器网络应用的基础。结合无线传感器网络节点定位算法的性能评价以及分类方式,通过分析典型DV-Hop算法的误差产生,提出改进方案,并利用仿真环境验证。     

基于AFSA-LSSVM的三维传感器节点定位

为了提高三维无线传感器的定位精度,针对最小二乘支持向量机（LSSVM）参数优化问题,提出了一种人工鱼群算法（AFSA）优化LSSVM的传感器点定位方法（AFSA-LSSVM）.首先构建三维无线传感器定位模型的学习样本,然后采用LSSVM构建三维节点定位模型,并采用AFSA模拟鱼群的觅食、聚群及追尾行为找到最优LSSVM参数,最后采用仿真实验测试节点的定位性能.结果表明,相对于其它定位方法,AFSA-LSSVM提高了传感器节点的定位精度,具有一定的实际应用价值.     

基于SVM分类区域的传感器网络节点自定位算法

针对无线传感器网络(WSN)低成本、低功耗的要求,提出了一种基于支持向量机(SVM)分类区域的距离无关的定位算法,首先SVM通过对训练数据的学习构造一个二叉决策树分类器,然后该分类器将未知节点的位置确定在某一分类区域中,最后取这一区域的中心作为节点的估计位置。该算法仅仅需要网络连通性信息（即跳数）,降低了网络成本和通信负荷。仿真表明该算法在保证一定的定位精度下,有效减轻了覆盖漏洞和边缘问题。     

环境监测无线传感器网络节点定位算法研究

无线传感器网络节点的定位技术是其关键技术之一,具有十分重要的地位。传感器节点采集到的数据必须结合其位置信息才有意义。结合环境监测无线传感器网络,通过对节点定位的基本原理和近几年国内外典型定位算法的分析研究,采用信号强度测距（RSSI）方法对其进行节点定位。为了提高定位精度,进一步对该方法进行了算法改进及节点坐标修正,最终实现了对目标的有效定位。通过仿真结果分析比较表明该方法平均定位误差小,是一种可行的定位算法。     

基于移动代理的无线传感器网络节点定位算法

研究了无线传感器网络节点定位算法及移动代理技术。在DV-Hop算法的基础上采用移动代理技术,并限制未知节点接收移动代理的个数和移动代理的传播跳数,减少了节点信息收发和存储量,降低了网络流量及节点负载。     

基于人工蜂群改进算法的无线传感器网络定位算法

针对无线传感器网络无需测距的DV-Hop定位算法中,利用最小二乘法进行节点定位时存在较大误差的问题,提出了一种改进的DV-Hop智能定位算法。首先在详细分析DV-Hop算法中最小二乘法原理的基础上,将定位问题转化成全局最优化问题;其次根据人工蜂群算法计算最优化问题的优势,结合定位具体问题,提出了一种自适应人工蜂群算法;最后将改进的人工蜂群算法运用到DV-Hop算法未知节点的坐标估计阶段实现定位。仿真实验表明,改进的定位算法与最小二乘法及基于传统人工蜂群算法的DV-Hop算法相比,在不同锚节点比例和不同节点数的情况下,定位精度和精度稳定性都有明显提高。     

基于综合预测算法的无线传感器网络移动节点定位策略

结合测距定位方法和移动节点历史定位信息,提出历史定位算法。在此基础上,引入移动节点相对运动角度测量,提出了基于综合预测算法的无线传感器网络移动节点定位策略。首先,根据测距结果选择较近的三个信标节点,并且加入移动节点的前一时刻坐标,应用最小二乘法,得到当前时刻的坐标;另一方面,由移动节点相对运动角度同样可以计算节点当前时刻的坐标;最后,将两种方法得到的坐标求平均值,作为综合预测算法给出的节点当前定位位置。仿真结果表明,所提出的定位策略能够高性能的实现移动节点定位,并且成本较低。     

基于相关向量机的机器学习算法研究与应用

介绍一种新的机器学习方法——相关向量机（Relevance Vector Machine）。相关向量机是一种新的基于贝叶斯统计学习理论的学习方法,与支持向量机（Support Vector Machine）的相比,可以有概率型输出、更稀疏和核函数选择更自由等优点。详细论述相关向量机的研究现况、理论基础及算法思想,并通过仿真实验说明该方法曲有效性,最后展望相关向量机的研究发展趋势,且提出相关向量机中仍需解决的关键问题。     

改进的DV-Hop算法在节点定位中的应用研究

基于传统DV-Hop算法的定位技术,通过分析该算法误差产生的主要原因,提出了节点间跳数的修正方法。通过在广播通信中采用双通信频率,将节点间的跳数缩减为0.5 R,减少了平均跳距的误差。通过Matlab软件的实验验证,本算法可以提高节点定位精度和网络通信频率,可进一步提高定位精度,定位结果达到了预期的目的。     

无线传感器网络节点定位机制的研究

无线传感器网络中的节点定位问题因为与很多的实际应用直接相关而尤为受到关注。节点定位机制可以分为基于测距(rang-based)的定位以及与距离无关(rang-free)的定位。文章在分析得出基于测距的定位算法实用性较差的基础上,着重研究了与距离无关的定位改进,对典型的质心算法进行了扩展,并通过实验给出了其性能评价。     

基于加权质心的无线传感器网络移动节点定位算法

提出一种基于加权质心的无线传感器网络移动节点定位算法(WCentriod-M),使其较好地适用于无线传感器网络移动节点定位。算法将采样时间分成若干个时间窗,在节点运动时维护一个过去记录,基于这些历史记录来选择信标节点。利用未知节点接受到的信标节点信号强度的比值作为加权因子,在定位的过程中考虑信标节点的权重。仿真实验表明,该算法具有计算简单、节点能量消耗小、定位精度较高等特点。     

一种基于蒙特卡罗法的无线传感器网络移动节点定位算法研究

定位技术是无线传感器网络中关键的基础支撑技术。文章研究无线传感网中信标节点静止、定位节点随机运动情况下的节点定位方法。在传统MCL算法基础上,提出一个改进定位算法,通过构建节点运动模型,进行运动预测、位置滤波,提高定位精度。仿真结果表明,改进方案在不同的信标节点密度、不同的连接度、不同的节点运动速度等情况下,均表现出了良好的性能。     

基于加权变尺度法的无线传感器网络定位

针对传统最小二乘法定位精度的不足,将工程控制优化中常用的变尺度法（DFP算法）应用到无线传感器网络定位问题中。该算法避免了计算二阶导数矩阵及其求逆计算,特别是对高维问题具有一定的优越性,从而实现对节点定位的优化计算。仿真实验结果表明,该算法能有效提高节点定位精度。